用于处理大量数据的机器学习技术在计算金融学中有着广泛的应用。本主题中介绍的一系列示例提供了一个通用的工作流,说明了MATLAB中的功能®应用于金融工程中的一个具体问题。工作流以问题为导向,具有探索性,并以数据和结果分析为指导。然而,总体方法对于构造许多领域的应用程序是有用的。
工作流由以下操作组成:
通过分析市场微观结构,制定一个简单的算法交易方法,目标是识别实时套利机会。
利用大样本交易所数据,跟踪某一证券在某一天的订单动态,有选择地处理数据,以发展相关的统计措施。
根据特征工程和开发过程中引入的超参数的选择,创建一个日内动力学模型。
使用基于模型的交易策略计算现金回报的监督目标来评估超参数调优。
使用不同的机器学习算法优化交易策略。
为进一步发展提出修改建议。
工作流分为三个示例:
有关机器学习的一般工作流程的更多信息,请参见: